АБСОРБЦИОН КОЛОННАНИ ЗАМОНАВИЙ БОШҚАРИШ ТИЗИМЛАРИ МУАММОЛАРИ Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 622.046.

© Мухитдинов Д.П., Саттаров О.У., Бекчанов Э.

АБСОРБЦИОН КОЛОННАНИ ЗАМОНАВИЙ БОШКАРИШ ТИЗИМЛАРИ МУАММОЛАРИ

Мухитдинов Д.П. - Тошкент давлат техника университет, техника фанлари доктори, профессор, Саттаров О.У. - Навоий давлат кончилик институти, PhD, доцент в.б. Email:olim81@bk.ru, Бекчанов Э. - Навоий давлат кончилик институтити магистри.

Key words: Intelligent control systems, neural network, system logic window, circuit diagram, MATLAB, Simulink

Аннотация. Ушбу ма^олада радиал база функция хусусиятга эга булган ва тугридан тугри ало^али нейрон тармо^лардан фойдаланган холда абсорцион колоннанинг хусусиятларини симулация ^илиш ва у ор^али жараённи бош^ариш имкониятларини куриб чи^амиз. Нейрон тармо^ларини ургатиш учун кириш ва чи^иш натижалари абсорцион колонна моделидан келиб чи^ади. Нейрон тармо^ моделлари ёрдамида олинган натижалар асосан симулация х,исоб -китобларидан олинган натижалар билан тадосланади. Олинган натижал шуни курсатадики, абсорцион колоннанинг бар^арор хрлатини моделлаштириш учун нисбатан оддий нейрон тармо^ моделларидан фойдаланиш мумкин. Моделлаштиришда

^улланилгапн нейрон тармо^ тури бош^ариш замонавий усулларини ^уллаш имконини беради. Калит сузлари: Интеллектуал бош^ариш тизимлари, нейрон тармо^, тизим мантилий ойнаси, принципиал схема, MATLAB, Simulink

Аннотация. В данной работе рассматривается возможность моделирования свойств абсорбционной колонны и управления процессом через нее с помощью радиальной базовой функции и непосредственно подключенных нейронных сетей. Входные и выходные результаты для обучения нейронных сетей получены из модели поглощающей колонны. Результаты, полученные с использованием нейросетевых моделей, в основном сравниваются с результатами, полученными в результате имитационного моделирования. Полученный результат показывает, что для моделирования стационарного состояния абсорбционной колонны можно использовать относительно простые модели нейронных сетей. Используемый при моделировании нейросетевой тип позволяет использовать современные методы управления. Ключевые слова: Интеллектуальные системы управления, нейронная сеть, окно системной логики, принципиальная схема, MATLAB, Simulink.

Annotation. In this paper, we consider the possibility of modeling the properties of an absorption column and controlling the process through it using a radial basic function and directly connected neural networks. The input and output results for training neural networks are obtained from the absorbing column model. The results obtained using neural network models are mainly compared with the results obtained as a result of simulation. The result obtained shows that relatively simple neural network models can be used to simulate the stationary state of an absorption column. The neural network type used in the simulation allows the use of modern control methods.

Кириш.

Абсорцион колонна азот кислотаси ишлаб чи^ариш жараёнининг энг му^им ва асосий ^урилмаларидан бири ^исобланади. Азот кислотаси ишлаб чи^арадиган замонавий саноат корхоналарида асосан элак турли плиталардан ташкил топади, 1-расм.

Х,озирги замонавий ишлаб чи^ариш жараёнларида ^улланиладиган абсорцион колонна ^урилмасининг диаметри 6м дан, ^урилма баландлиги эса 80 м дан ю^ори ^исобланади. Ушбу ^урилмага хизмат курсатиш катта капитал харажатлар талаб ^илиниши, шунингдек атроф-му^ит тугрисидаги ^онун хужжатлари ну^таи назаридан жараённи ани^ математик моделини тузиш му^им а^амият касб этади. ^урилмада масса о^ими тезлигининг узгариши, шунингдек *арорат ва босим узгаришини башорат ^илиш модели ор^али ^урилмани эксплуатация ^илишда фойдаланиш мумкин. Азот кислотаси ишлаб чи^ариш технологиясини ривожланишининг дастлабки бос^ичларида *ам, саноат корхоналаридан олинган экспериментал маълумотлар ор^али абсорцион колоннани лойи^алаш ишлари амалга оширилган.

Азот кислотаси ишлаб чи^ариш жараёни узлаштирилганлиги сабабли айрим

адабиётларда жараён параметрлари графиклар усули ор^али ифодаланган. Х,озирги замонавий моделлаштиришда компьютер ор^али абцорция жараёни моделини анифо^ ва тезро^ тад^и^ ^илиш имконияти ишлаб чи^илмовда. Концентрациясиз нитрат кислота олиш жараёнининг асосий бос^ичлари: -*авони тозалаш;

- *авони си^иш ва энергияни тиклаш;

- газли аммиакни тайёрлаш;

- ^аво-аммиак аралашмасини (ХДА) тозалаш; -аммиакнинг оксидланиши (ало^а ^илиш) -азотли газлардан исси^ликни совутиш ва улардан фойдаланиш

-азот оксидларини ютилиши (азот кислотасини ишлаб чи^ариш)

-азот кислотасини са^лаш ва етказиб бериш

1-расм. Азот кислотаси ишлаб чикариш жараёни курилма схемаси.

Орти^ча аммиакнинг термик парчаланиши, селектив тозалаш учун берилиши, элементар азот *осил булиши турбинанинг универсал ёниш камерасида ва газ каналининг турбинага исси^лик ^исмида ^уйидаги реакцияларга мувофи^ *осил булади:

4NH3 = 2N2 + 6H2 6H2+ 3O2 = 6H2O

2NO2 ^ N2 O4 Сув билан диоксидланиш реакцияланиши: 2NO2 + H2 O ^ HNO2 + HNO3 N2O4 + H2O ^ HNO2+ HNO3 3HNO2 ^ HNO3 + 2NO + H2O ^йидаги параметрлар

(5)

ва тетроксиданиш

(6)

(7)

(8)

yзгаришларидан

4NH3+ 3O2=2N2 + 6H2O Контактли ^урилмада платиниоидлар ^отишмаларидан тайёрланган катализатор катакчаларида 890-910 0С *арорат оралигида, 0.617 МПа (6.3 kgftem2) босимда аммиак оксидаланиш реакцияси содир булади, ма^сулот ишлаб чи^ариш *ажми 13, 661 тонна /кун 4NH3 + 5O2 = 4NO + 6H2O + 907,3 kJ (216,7 cal)

(1)

4NH3 + 3O2 = 2N2 + 6H2O + 1269,1 kJ (303,1cal)

(2)

Азот кислотаси ишлаб чи^ариш ^урилмасида аммиак ва *аво аралашмаси катализатор пластинаси ор^али утишида куплаб реакциялар булиб утади, улар орасида энг асосий реакция ^уйидагича ифодаланади:

4NH3 + 5O2 = 4NO + 6H2O (3)

Аммиак оксидланиш реакторидан чи^увчи газ о^ими исси^лик алмаштиргичда совутилади. Агар ^урилманинг ^арорати белгиланган ^иймат оралигидан паст булса NO дан NO2 га айланади, шунингдек N2O4 ва конденсант *осил булади. Азот оксидининг бир ^исми сув билан реакцияга киришиб заиф азот кислотаси *осил ^илинади, унинг консентрацияси эса реакция булиш ва^ти ва ^уйилтирилган сув мивдорига богли^. Кейин конденсат насос ёрдамида кейинги абсорцион колонна тарелкасига узатилади. Абсорцион колоннада газ ва сую^лик фазалари уртасида турлича реакцияларбулиб утади, улардан энг асосийси ^уйидагича реакцияда булиб утади: Азот оксиднинг азот диоксидланиши ва N2O4 гача димеризацияланиш реакцияси: 2NO +O2 ^ 2NO2 (4)

фойданилган *олда абсорцион колоннанинг

математик модели ишалб чи^илди:

Газ ва сую^лик фазалари пластина устида идеал

аралашишига;

Пластина ^овузида *арорат ва концентрация билан боглик сую^лик градиентларининг булмаслигига;

Газ ва сую^лик фазалари сурилиш хусусиятларига;

Атроф му^итга куп булмаган исси^ликни йу^отилишига;

И сс и ^л и к алмаштиригич томонидан узатиладиган исси^лик реакциясига;

Пластина ^овузидан чи^адиган сую^лик билан газ ^ароратини бир хил эканлигига; Кимёвий реакцияларни аторф-му^ит билан исси^лик алмашинувисиз ^урилманинг буш жойларида содир булишига; HNO2 нинг HNO3 га, N0 ва Н20 пластина ^овузида сую^лик билан парчаланишига; Пластина орасидаги газ босимини ^исоблаш ^уйидаги тенглама асосида амалга оширилади:

P = P_ AP

(9)

Пластиналар орасидаги босимлар фар^и Хант богли^лик ифодаси ёрдамида ^исобланади [1].

Пластинада *осил булган азот кислотасининг мивдори пластина самардорлигига, NOx реакциясининг назарий нисбати ва пластинкага тшадиган NOx мивдорига богли^:

n2o4

X

HNO3

п E g;

j=no

(10)

un

2-расм. Азот кислотаси ишлаб чидариш саноат калоннаси

KD

(1 +

с

П = 1 - ехр(A

HNO3 -1.49 100

« )0546( plNa) (T )

, i \ 0.546 / „i-1 ч 0.0483 (rj, i ч 1.248 '

(11)

пластинадан о^иб утувчи азот кислотаси эритмасининг таркибини ^уйидаги муносабатлар билан тавсифлаш мумкин:

Li

HNO3

= L

i+1

HNO3

+ X

HNO3

J1 — /" _i_ -1; _ D S Y

LH 2O LH 2O + У H 2O 05 Y HNO,

N ,O,

Ar

PHoO ( Z Gj + Z Gj )

Уи

_ 1 -1

2o = GH 2O — '

j = NO

j =Oo

Ph

(12)

(13)

(14)

Пластина орасидан о^иб утувчи конденсат эртимасининг таркибини ^уйидаги бо^оликлар асосида ^исоблаш мумкин:

Т1 = Т1+1 + Y + L

L ЦАТП L 1ГАТП + Y 1ГАТП + L

^HNO:

JHNO,

HNO3

JHNO,

LH 2O = L HO + LH 2O + yH 2O 05 YHNO,

(15)

(16)

Классик математик моделларда ани^ (аналитик) математик моделнинг мавжудлиги кузда тутилган. Аммо технологик жараёнга ишлаб чи^илган моделларда инобатга олиб булмайдиган ноани^ параметрлар таъсир ^илади. Нейрон тармогидан фойдаланадиган усул тизимнинг чизи^лигига чекловлар ^уймайди, у шов^инли шароитда самарали булади ва у^итишлар тугагандан сунг, реал ва^тда назоратни таъминлайди. Нейрон тармо^ларни бош^ариш тизимлари (НТБТ) реал шароитларга мослашувчан тарзда мослаштирилиб, ^а^и^ий тизимларни ^уриш билан богли^ чекловларсиз ^уйилган вазифага тули^ мос келадиган

© Journal of Advances in Engineering Technology

моделларни шакллантириш имконини беради [14].

^уйида 3-расмда ноорганик моддаларни бош^аришда ^улланилдиган технологик жараёнлрни бош^ариш учун нейротармо^ли ростлаш тизими курсатилган [5-6]. Тизим ^уйидагилардан иборат: Т1234- *арорат, Р1234- босим, F1234 -сарф, L1234- сат* улчашлар (бу ерда аналог 0-4 мА, 4-20 мА ток сигналлари ёки 0/1 ра^амли сигналлар), N1, N2, N3- лар ургатишлар сони, ои11, о^2, out3, out4 лар улчашларда олинган натижаларни курсатувчи чи^иш сигналлари, 1аЬе15- *ар бир ^атор буйича ургатилган вазнлар, 1п5-*ар бир ^атор буйича олинган натижалар ^исоблаш ойнаси, о^5-олинган натижалар ^исоблаш ойнаси.

Тизимнинг ишлаш усули ^уйидагича *ар бир ^атор ^иймати мах=1 га тенг (бу ерда нейро ростлаш тизимларининг ма^сади улчанаётган параметрни, маълум ^ийматда са^лаб, хатолигини камайтириш ^исобланади) булиб бунда, улчашларнинг олинган натижаси тенг та^симланади (масалан бир марта улчаш бажрилса 1аЬе15 ^иймати 1 га, икки марта улчашлар амалган оширилса 1аЬе15 ^ийматлари *ар бири 0.5 га тенг булади, агар уч марта у^итишлар амалга оширилса у *олда 1аЬе15 ларни *ар бирини ^иймати 0.3 га тенг булади, ушбу кетма-кетлик шу тартибда амалга оширилади) [7-15].

Шунингдек 3-расмда биринчи ^атор буйича икки марта улчашлар амалга оширилганда *олатда олинган натижалар акс этган, бу ерда биринчи ^атор биринчи устун ва биринчи ^атор иккинчи устун буйича олинган улчаш амалга оширилган,

Vol.1 (5), January - March, 2022

O

улчашлар ургатилган ва биринчи ва иккинчи устун буйича In 5 натижаси ор^али ифодаланган. Шунингдек турли параметрлар буйича улчашларни амалга ошириш, уларни ургатиш ва

ЭД Нейротармокли ростлаш - □

турли комбинациялар ор^али тизимни ишлаши буйича мисоллар бериб утамиз, бунда out5 ^ачон =1 га тенг булса тизим ишлайди.

T1/P1/F1/L1 Г 0-4мА]1 TZ/PZ/FZ/LZ Г МмА/1 T3/P3/F3L3 Г 0-4мАЛ тi;pi/fi/li г 4-20мА/1

N2 N3 F Иейро ростлагич

Г 0-4 мА/1 Г 0-4 мА/1 Г out1

Г МмА/1 Г 0-4 мА/1 Г out2

Г 0-4 мА/1 Г МмА/1 Г out3

Г 4-20 мАЛ Г 4-20мА/1 Г oul4

Ургатиш

Г ¡п5

Г in5

Г ¡п5

Г oul5

3-расм. Нейротармокли ростлагич.

4-расм. Нейроростлаш моделини ишлаш усули.

^уйида 5-расмда куриниб турибдики, *ар бир ^атор буйича олинган натижанинг In 5 *ар бир ^атори 1 га тенг булган *олат берилган, тизим ишлаши учун *о*лаган In 5 1 га тенг ёки уларнинг умумий йигиндиси 0.6-1 га (тизимга шу ораливда ^иймат у^итилган) тенг булиши кифоя ^илади, акс *олда тизим ишламайди. 1^уйида

ЗД Нейротармокли роалаш - [

тизимнинг ^айси лолларда ишламаслиги буйича ^олатлар курсатилган.

^уйида 6 -расмларда тизимни In5 1 ёки 0.6 га тенг булмаган *олати акс этган, чунки фа^ат биринчи ^атор инобатга олинган, натижада тизим ишламаслик *олати курсатилган.

5-расм. Нейроростлагични уцитиш.

6-расм. Нейроростлагични укитиш ва унинг натижалари.

Мавжуд нейрон тармо^ларини та^лил ^илиш -нейротармовда нейронлар сони ва ^атламлари шуни курсатадики, уларни ^уллаш ор^али турли номаълумлиги;

со^ларда мавжуд муоммоларни ечимини ижобий -уртачаквадратик хатоликнинг минимал ечиш имкониятини беради. Тизимни башоратлаш ^ийматини излаш нейрон тармо^нинг вазн ^^ учун нейрон тармо^ ^урилмаларини ^уллашда функциялари тасодифий танланиши билан бир ^атор муоммолар келтириб чи^аради: богли^;

© Journal of Advances in Engineering Technology Vol.1(5), January - March, 2022

-градиент усул кайси ички минумум киймат глобал булишини урната олмайди; -доимий урганиш боскичини танлашда градиент усули куп вакт сарфлаши

Маколада азот кислотаси ишлаб чикаришда му^им объектлардан бири абсорцион калонна интеллектуал бошкариш тизимини иулаб чикиш учун унинг модели ва шу асосида замонавий бошкариш тизими таклиф этилган булиб, бу жараён ма^сулот сифатини узгаришига таъсир килади. Бу муоммони ечиш учун нокатий мантик усулидан фойдаланиш мумкин. Вазифани куйилиши куйидаги тартибда амалга оширилади. Тургунликнинг коэффициентларининг маълум кийматлари вакт буйича узгаришини аниклаш. ^уйилган вазифа шундан иборатки, тургунлик коэффициенти кийматларининг узгариши дастлабки берилган маълумотларни *исобга олган *олда аниклашдан иборат. ^уйилган муоммони бартараф этиш учун куйидаги башорат килиш техникаси таклиф этилади:

Дастлабки маълумотларни структурасини аниклаш

Тургунлик коэффициенти-лингвистик узгаручи кийматларини инсон томонидан содда (сифатли) тавсифлаш учун ушбу узгарувчини лингвистик кийматларини аниклаш.

Тургунлик коэффициенти узгариши графигида кузатилган узгаришлари оркали эксперт-лингвистик конуниятларни тавсифлаш. Тургунлик коэффициенти кийматлари орасидаги функционал богланишларни аниклаш. Ишончлилик функцияси ёрдамида экспертл-лингвистик конуниятни шакллантириш. Ишончлилик функцияларини аник кийматларга айлантириш учун олинган натижаларини дефаззификация килиш [15-20]. 1-жадвалда вакт бирлигида тургунлик коэффициентларини узгариши кийматлари берилган.

1-жадвал

Вакт бирлиги Тургунлик коэффициенти киймати Узагриш (фарк) киймати

'1 1,9781

' 1 2,0036 +0,0255

13 1,9592 -0,0189

'1 1,9492 -0,0289

' 5 1,9722 -0,0059

' 6 2,0594 +0,0813

' 7 2,0030 +0,0249

'8 1,9623 -0,0158

' 9 2,0030 +0,0249

'io 2,0375 +0,0894

'11 1,8903 -0,0878

'11 1,8890 -0,0891

Олинган натижаларни узгариш динамикаси куйидаги графикда берилган. Нокатий мантик усули асосидаги тургунлик коэффициенти узгаришини башоратловчи моделни ишлаб чикишда лингвистик модел узгариши "тургунлик коэффициенти киймати" тушунчаси аникланади. Олинган 12 марта натижалар асосида тургунлик коэффициенти киймати узгариши натижаси 3 та тушунча олиш имконичтини беради. Юкори киймат, урта киймат ва кичик кийматлар. Агар узгариш кийматлари канча куп олинса олинадиган натижа *ам шунчалик ани^ киймат булади. Олинган натижалардан яратилаётган башоратлов моделни эксперт-лингвистик конуниятини аниклашимиз мумкин, бунда усиш

нукталари 2т., пасайиш нукталари 3та ва бир нукта нисбатан якин кийматлар 3 та эканлиги куриниб турибди.

Бу маълумотларда куйидаги конуниятни олишимиз мумкин:

* * * X7 , ^Xg , 2, X3 , X4 , , Xg , X7 , ^Xg , • • •

( 17)

xi xi

бу ерда z-8 та циклни раками, 1-" 8- циклни мос равишда тургунлик коэффициенти кийматлари. Юкорида 8-расмдан олинган натижалар буйича хулоса килиб тизим ойнасини мантикий коидалар кетма-кетлигини ёзамиз. Улчанаётган параметрларнинг кийматлари

7-расм. Тургунликни вакт буйича узгариш графиги.

8-расм олинган натижаларнинг узгариш кийматлари.

Neuro Label5 (N1) Label5 (N2) Label5 (N3) max in5(1/2/3) out (1/2/3/4) Out

Агар T1/P1/F1/L1 0-4 mA/1 0 0 1 1/0/0 1/0/0/0 Акс *олда 1 0

Агар T1/P1/F1/L1 0-4 mA/1 0-4 mA/1 0 0.5 1/1/0 1/1/0/0 акс *олда 1 0

Агар T1/P1/F1/L1 0-4 mA/1 0-4 mA/1 0-4 mA/1 0.3 1/1/1 1/1/0 0/1/1 1/1/1 1/1/0 0/1/1 1/0/1 акс *олда 1 1 1 1 0

1/0/1

Агар T2/P2/F2/L2 0-4 mA/1 0 0 1 1/0/0 1/0/0/0 Акс *олда 1 0

Агар T2/P2/F2/L2 0-4 mA/1 0-4 mA/1 0 0.5 1/1/0 1/1/0/0 акс *олда 1 0

Агар T2/P2/F2/L2 0-4 mA/1 0-4 mA/1 0-4 mA/1 0.3 1/1/1 1/1/0 0/1/1 1/1/1 1/1/0 0/1/1 1/0/1 акс *олда 1 1 1 1 0

1/0/1

Агар T3/P3/F3/L3 0-4 mA/1 0 0 1 1/0/0 1/0/0/0 Акс *олда 1 0

Агар T3/P3/F3/L3 0-4 mA/1 0-4 mA/1 0 0.5 1/1/0 1/1/0/0 акс *олда 1 0

1/1/1 1/1/1 1

Агар T3/P3/F3/L3 0-4 mA/1 0-4 mA/1 0-4 mA/1 0.3 1/1/0 0/1/1 1/0/1 1/1/0 0/1/1 1/0/1 1 1 1

VO

акс *олда 0

Босимни ПИД-ростлагич ор^али ростлаш графиги узаро богли^лиги графиклари куйидаги 7-расмда ва нейроростлагич ор^али ростлаш тизимини чизмаларда курсатилган.

9а-расм. АКжараёнида босимни HP ростлагич оркали ростлаш.

Бу графикларда босимни ^иймати азот кислота ишлаб чи^аришда технологик регламент курсатилган 0.615-0.617 МПа босимга нисбатан олинган. ПИД ростлагичи ва нейроростлагични узаро богланиш графиги ифодаланган графикдан Хулоса

Мураккаб технологик жараёнларни интеллектуал бош^ариш тизимини олиб борилган тад^и^отлар асосида нейроростлагичли бош^ариш тизим таклиф этилган. НТРли бош^ариш тизимида чизи^ли ПИД-ростлагичга нисбатан ростлаш

9б-расм. Босимни ПИД ростлагич ва HP ростлагич оркали ростлаш.

куриниб турибдики, ПИД ростлагич 6 секунд тахминан 0.6 МПа га, нейроростлагич эса 42 секунд ва^тда 0.617 Мпа курсатилган (у^итилган) ^ийматда ростлайди.

ва^ти купро^, лекин НРли ростлаш тизимининг афзаллиги бош^аришда улчанган ^ийматларнинг хатоликларининг камлиги ^исобланади. Хатоликни камайтириш эса ма^сулот сифатини оширишга хизмт ^илади.

Адабиётлар

1. Авазов Ю.Ш., Кадыров Ё.Б., Саттаров О.У. Моделирование системы управления процессом ректификации / Теплотехника и информатика в образовании, науке и производстве. — Екатеринбург: УрФУ, 2013. — С. 128-131.

2. Sattarov O. U. Investigation of the process of obtaining nitrogen-phosphorus fertilizers on the basis of a melt of ammonium nitrate and phosphorites // Modern materials, equipment and technologies. 2016. V. 8. No 5. P. 164-170.

3. Д.П. Мухитдинов, Ё.Б. Кадиров, О.У. Саттаров. Разработка многосвязной динамической модели процесса экстракции фосфорной кислоты в дигидратном режиме. // Композиционные материалы. Научнотехнический и производственный журнал-2019, № 2, с 132135.

4. Саттаров О.У. Исследование процесса получения азотно-фосфорных удобрений на основе плава аммиачной селитры и фосфоритов.// Научно - технический и производственный журнал «Современные материалы, техника и технологии» 16-17 февраля 2017 года, №8 с164-170.

5. Botirov T V, Latipov S B, Buranov B M and Barakayev A M 2020 Methods for synthesizing adaptive control with reference models using

adaptive observers IOP Conference Series: Materials Science and Engineering 862(5) 052012

6. Базаров, М. Б., Ботиров, Т. В., & Кадыров, Е. Б. (2010). Интервальное адаптивное управление процессом получения формалина.-. Химическая технология. Контроль и управление, (6), 65-68.

7. Ботиров Т.В., Исмоилов Э.У., Рахмонова Х.З. Формализация задач синтеза систем управления технологическими процессами в условиях интервально-параметрической неопределенности. Современная наука: актуальные вопросы, достижения и инновации сборник статей V Международной научно-практической конференции. 2019. С. 38-41.

8. Botirov T V, Latipov S B and Buranov B M 2021 Mathematical modeling of technological process in formalin production Journal of Physics: Conference Series 2094(2), 022052

9. Botirov T V, Buranov B M and Latipov Sh B 2020 About one synthesis method for adaptive control systems with reference models Journal of Physics: Conference Series 1515(2) 022078

10. Sevinov J. U., Boeva O. H. ADAPTIVE POLE PLACEMENT ALGORITHMS FOR OF NONMINIMUM-PHASE STOCHASTIC SYSTEMS //Chemical Technology, Control and Management. -2020. - Т. 2020. - №. 5. - С. 38-43.

11. Sevinov J., Boeva O. Algorithms for determining the placement of poles in multivariate systems with proportional-differential output feedback //Algorithms. - 2021. - Т. 8. - №. 3.

12. Кадыров Ю.Б.; Бойбутаев С.Б.; и Самадов А.Р. (2020) «МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ШАРОВОЙ МЕЛЬНИЦЫ ГМЗ-2 НГМК НА ОСНОВЕ ДИФФУЗИОННОЙ МОДЕЛИ», Химическая технология, контроль и управление : Том. 2020 : Вып. 5 , Статья 9.

13. Mukhitdinov, Djalolitdin Pakhritdinovich and Boybutayev, Sanjar (2021) "PROBLEMS OF MODELING AND CONTROL OF THE TECHNOLOGICAL PROCESS OF ORE GRINDING," Chemical Technology, Control and Management: Vol. 2021 : Iss. 4 , Article 7.

14. Бойбутаев С.Б., Кадиров Е.Б., Саттаров О.У.У. РАЗРАБОТКА ЭКСПЕРТНОЙ СИСТЕМЫ УПРАВЛЕНИЯ ПРОЦЕССОМ ИЗМЕЛЬЧЕНИЯ И КЛАССИФИКАЦИИ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ // СОВРЕМЕННЫЕ МАТЕРИАЛЫ, ТЕХНИКА И ТЕХНОЛОГИИ ISSN: 2411-9792 -2017. - С. 9-16.

15. Бойбутаев С.Б. СИСТЕМА УПРАВЛЕНИЯ ПРОЦЕССОМ ИЗМЕЛЬЧЕНИЯ РУДЫ // СОВРЕМЕННЫЕ МАТЕРИАЛЫ, ТЕХНИКА И ТЕХНОЛОГИИ ISSN: 2411-9792 - 2016. - С. 2027.

16. O A Jumaev, M T Ismoilov, G B Mahmudov and M F Shermurodova "Algorithmic methods of increasing the accuracy of analog blocks of measuring systems" ICMSIT 2020 Journal of Physics: Conference Series 1515 (2020).

17. O A Jumaev, J T Nazarov, R R Sayfulin, M T Ismoilov and G B Mahmudov "Schematic and algorithmic methods of elimination influence of interference on accuracy of intellectual interfaces of the technological process" Journal of Physics: Conference Series 1679 (2020).

18.Abdujaliliovich J. O. et al. FUZZY LOGIC CONTROLLER IN THE MANAGEMENT OF TECHNOLOGICAL PROCESSES OF BACTERIAL OXIDATION //Web of Scientist: International Scientific Research Journal. - 2021. - T. 2. - №. 06. - C. 191-197.

19.Jumayev O. A., Akhmatov A. A., Makhmudov G. B. Process modeling of optimum mixing of cyanic solutions with use of intellectual systems of measurement on a basis to a fuzzy logic //Chemical Technology, Control and Management. - 2018. - T. 2018. - №. 1. - C. 132-137.

20. Jumaev O. A. et al. Intelligent control systems using algorithms of the entropie potential method //Journal of Physics: Conference Series. - IOP Publishing, 2021. - T. 2094. - №. 2. - C. 022030.

N>